Nei precedenti articoli abbiamo parlato molto di deep learning, reti neurali e tipi di esse, ma oggi in questo articolo spiegheremo nel dettaglio RNN un tipo di rete neurale della famiglia del deep learning.
Prerequisiti :
Se non sai cosa è il Machine Learning, clicca qui
Se non sai cosa è il Deep Learning, clicca qui
Se non conosci le principali applicazioni Deep Learning, clicca qui
Se non sai come scaricare e gestire le librerie, clicca qui
Se non sai cosa sia un Dataset, clicca qui
Cos'è una rete neurale?
Una rete neurale è una serie di algoritmi che tenta di riconoscere le relazioni sottostanti in un insieme di dati attraverso un processo che imita il modo in cui opera il cervello umano . le reti neurali si riferiscono a sistemi di neuroni .
la rete neurale è anche un insieme di neuroni organizzati . Queste reti neurali hanno molti strati tra gli strati di input e output che e gli strati tra di loro sono nascosti.
Cos'è un neurone?
Un neurone è una funzione matematica ogni neurone riceve un input ed elabora l'informazione particolare e restituisce l'output.
dove x1,x2,x3 sono input e w1,w2,w3 sono i loro pesi e li ranghiamo in un neurone e y è l'output dato dal neurone.
Che cos'è una rete neurale ricorrente (RNN)?
Una rete neurale ricorrente è una classe di reti neurali artificiali in cui le connessioni tra i nodi formano un grafo diretto lungo una sequenza temporale. Ciò gli consente di esibire un comportamento dinamico temporale.
Derivati da reti neurali feedforward , gli RNN possono utilizzare il loro stato interno (memoria) per elaborare sequenze di input a lunghezza variabile . Ciò li rende applicabili a attività come il riconoscimento della grafia non segmentato, connesso o il riconoscimento vocale. Le reti neurali ricorrenti sono teoricamente complete di Turing e possono eseguire programmi arbitrari per elaborare sequenze arbitrarie di input.
Reti neurali feed-forward
Una rete neurale feed-forward consente alle informazioni di fluire solo nella direzione in avanti, dai nodi di input , attraverso i livelli nascosti e ai nodi di output . Non ci sono cicli o loop nella rete .
Come funzionano le reti neurali ricorrenti?
In un RNN l'informazione scorre in un ciclo . Quando prende una decisione , considera l' input corrente e anche ciò che ha appreso dagli input ricevuti in precedenza . I loop in RNN assicurano che le informazioni siano conservate nella sua memoria .
In una rete neurale feed-forward , le informazioni possono spostarsi solo in una direzione . cioè, dal livello di input al livello nascosto e quindi al livello di output . È necessario notare che una volta che le informazioni passano, si spostano in una direzione diritta e nessun nodo viene toccato per la seconda volta.Tipi di reti neurali ricorrenti
Esistono quattro tipi di reti neurali ricorrenti :
Uno a uno
Uno a Molti
Molti a Uno
Molti a molti
Uno a Molti
Questo tipo di rete neurale è noto come Vanilla Neural Network . Viene utilizzato per problemi generali di apprendimento automatico, che ha un singolo input e un singolo output . Queste sono anche chiamate reti neurali semplici .
Uno a Molti
Questo tipo di rete neurale ha un ingresso singolo e più uscite. Un esempio è la didascalia dell'immagine .
Molti a Uno
Questo RNN prende una sequenza di input e genera un singolo output . L'analisi del sentimento è un buon esempio di questo tipo di rete in cui una determinata frase può essere classificata come espressione di sentimenti positivi o negativi .
Molti a molti
Questo RNN prende una sequenza di input e genera una sequenza di output . La traduzione automatica è uno degli esempi
Applicazioni delle Reti Neurali Ricorrenti
Generazione sottotitoli delle immagini
Previsione di serie temporali
Elaborazione del linguaggio naturale
Grazie mille per aver letto l'articolo, condividilo per supportarci.
Comments